基于大數據的電子商務個性化信息推薦服務模式研究

楊利

（唐山學院，中國 唐山 063000）

【摘 要】隨著大數據時代的到來，用戶購買需求呈現多元化發展趨勢，電商平臺給用戶提供的推薦服務面臨巨大挑戰。構建個性化信息推薦服務模式，滿足用戶提供個性化的服務需求，從而提高電商平臺的服務質量，為其自身的市場競爭力提供保障。

【關鍵詞】大數據;個性化信息推薦;電商平臺

中圖分類號： F724.6 文獻標識碼： A文章編號： 2095-2457（2019）10-0240-002

DOI：10.19694/j.cnki.issn2095-2457.2019.10.106

【Abstract】With the arrival of the era of big data，the purchase demand of users presents a diversified development trend，and the recommendation service provided by e-commerce platform to users faces a huge challenge.Build personalized information recommendation service mode to meet users' personalized service needs，so as to improve the service quality of e-commerce platform and provide guarantee for its own market competitiveness.

【Key words】Big data;Personalized information recommendation;Electric business platform

隨著大數據時代來臨，數據利用的質量是對數據使用效率的測試，它要求人們對先前的觀察能力進行相應的改進，而對于電商平臺來說，大數據支持了其推薦服務。大數據的發展趨勢是數據業務的轉型，為不同屬性的消費者提供個性化的服務。通過提高電子商務個性化信息推薦的水平，提高電商企業的服務質量，對未來電子商務的發展具有重要價值。

1 個性化推薦服務

個性化推薦服務是指面對不同用戶，可以滿足該用戶特定的信息需求，為他們提供相應的個性化信息，或者電子商務網站依據用戶的互聯網使用習慣的不同，為用戶提供良好的信息服務[1]。電子商務個性化推薦服務的核心為用戶，具有服務針對性強、服務方式多樣化、服務主動性與時效性、服務的智能性四個特征。

對用戶來說，個性化推薦服務可以減少用戶瀏覽和購買商品的時間，從大量的商品信息中解放用戶。對電商平臺來說，推薦服務的應用有利于用戶購買網站的商品，提高商品的銷售額。隨著大數據的發展，個性化信息推薦服務越來越健全，它不僅為企業帶來了更高的利益，也為服務方法提供了更好的發展[2]。

2 基于大數據的電子商務個性化信息推薦服務模式

信息服務模式有四個要點，分別為服務主體、受體、內容和方式，信息服務模式就是描述這四個要點以及他們之間的關系[3]。對于電商信息服務模式來說，服務主體是購物網站，受體是網站用戶，內容是網站所提供的信息，方式就是電商網站向用戶推信息的方式。電子商務信息服務模式，就是購物網站挖掘和分析用戶大量的數據，找到用戶需求的信息，并通過特定方式提供給用戶，為用戶提供服務。

2.1 大數據的信息應用的主要技術

（1）數據挖掘技術

數據挖掘技術是大數據的信息推薦技術核心，通過數字挖掘技術的應用，可以發現大量數據信息中不易發現的信息，通過這些信息對未來的發展方向進行預測[4]。其中主要有三種類型。

Web內容挖掘：Web內容挖掘的是從搜索資源和數據庫兩方面研究。從搜索方面來說，通過搜索軟件將Web信息進行整合，然后分析用戶的喜好和實際需求，再此基礎上，屏蔽用戶不關注的信息;從數據庫方面來說，其主要原理是收集和組織非結構化數據，然后在用戶的數據中填充數據，形成結構化數據庫，最后使用過濾分析技術處理數據[5]。

Web使用挖掘：對瀏覽過程中瀏覽記錄和用戶訪問情況進行總結和分析，在此基礎上合理制定用戶偏好，為用戶提供個性化推薦內容。

Web結構挖掘：從網頁結構和鏈接中有效地挖掘信息，并對網頁進行聚合分類處理。通過這種方式，可以對用戶在瀏覽網頁過程中遺留下來的各種信息進行歸納和分析，使電子商務網站的各種屬性得到改善。

（2）Hadoop框架

Hadoop是一個分布式處理大量數據的軟件框架，其主要的設計為HDFS和MapReduce，分別為數據提供了存儲和運算能力，Hadoop主要有五個優點：可靠性高，效性高，容錯性高，擴展性高和成本低[6]。現在很多網站都應用Hadoop框架來對大量的數據進行處理。

（3）用戶建模技術

用戶建模技術主要是從用戶可能喜歡的信息中提取相關信息，然后根據建模技術對用戶偏好產品進行管理。隨著大數據時代的到來，用戶興趣模型是一個具有數據結構的興趣模型，它可以為用戶提供準確的網絡信息和良好的服務，在用戶興趣模式更新過程中，主要有直接和間接兩種更新模式[7]。前者是在用戶對推薦商品進行反饋的前提下對模型進行更新，需要用戶的額外時間，因此更新效果較低，而后者主要是跟蹤用戶瀏覽行為，在此基礎上更新用戶模型。

2.2 電子商務個性化信息推薦服務模式

目前應用較多的推薦模式是基于內容的推薦和用戶協同過濾推薦[7]，前者以商品內容的基礎數據為核心，發現商品的相關性，然后推薦相似商品，這種模式推薦的商品不夠新穎，也沒有創新;后者依據用戶對購買過的商品的評價信息等，發現商品或者用戶之間的關聯信息，然后進行推薦，這種方式通過對比推薦，導致推薦結果與用戶需求可能有點不同。

目前電商平臺可以給用戶提供個性化服務，不過由于用戶在網站上留下的數據量很大，實際購買評價的數據占一小部分，存在一定的稀疏性問題，導致其推薦準確性較低，還應該有改進的地方。

個性化推薦商品的相關度會顯著正向影響用戶購買意向，所以電商平臺需要提供精確的推薦服務，基于此，構建了如圖1結構的推薦模式，主要分為用戶交互界面，數據收集模塊，數據分析模塊以及推薦處理模塊。

從數據源頭入手，充分挖掘用戶的所有個性化數據，利用Hadoop的高效性對數據處理，改善協同過濾中存在的數據稀疏性問題，將分析處理得到的結果經過過濾，得到最終的個性化推薦推送給用戶。

（1）數據收集模塊

主要利用web數據挖掘技術獲取數據，數據來源包括電商網站提供的商家、商品信息，用戶信息;從系統日志中提取的用戶行為信息以及用戶通過交互界面的直接行為信息等。

（2）數據分析模塊

利用Hadoop框架的強大的數據計算能力，對現有過濾推薦中存在的問題進行改善，對數據收集模塊中的海量數據進行分析處理，得到用戶的興趣以及需求信息，構建興趣模型，同時分析商品信息庫中的商品信息來對用戶興趣需求進行匹配，做出推薦初始結果。

（3）推薦處理模塊

由前面分析得到的只是基本符合要求的結果，推薦結果還是很雜亂，需要進行加工處理才可以推薦給用戶。這里的處理基本過程就是過濾、排名。依據上一章節分析結果，過濾掉質量較差的商品以及信用評價、服務質量較差的商家。由于商品排名也顯著正向用戶的購買意向，所以這里的排名主要是對商品符合用戶需求的程度進行排名，來提供更好的服務。

（4）用戶交互界面

用戶交互界面主要功能是展示推薦結果，同時用戶的操作信息記錄也由這里傳到數據收集模塊。電商網站的實用性也顯著正向影響用戶購買意向，用戶更容易去瀏覽點擊界面設計簡單、個性化推薦窗口明顯的電商網站，所以在展示推薦結果的時候，推薦界面商品信息應該清晰整齊，內容精簡，同時推薦窗口處于網站頁面較為明顯的位置，便于引起用戶的注意。

3 總結

本文通過理論分析進行數據研究，提出了個性化信息推薦服務模式，本文的研究對信息服務發展有理論意義。高質量的推薦服務可以為用戶探索新的興趣點，并推薦給用戶感興趣的產品。個性化推薦服務給用戶帶來方便和個性化的服務，也給電商企業帶來了良好的發展前景。

【參考文獻】

[1]陳玉.大數據背景下電商用戶需求挖掘的個性化推薦方法研究[J].信息與電腦（理論版）.2016（17）.

[2]潘玉辰.基于大數據下戰略性新興產業個性化信息資源服務模式研究[J].開發研究.2016（03）.

[3]任華.云計算環境下大數據對電子商務的影響研究[J]. 無線互聯科技.2018（22）.

[4]洪躍根.基于信息技術的電子商務管理對象分析[J].科技資訊.2015（05）.

[5]楊佳佳.大數據處理對電子商務的影響探討[J].人力資源管理.2018（02）.

[6]聶慶華.數據挖掘技術在電子商務中的應用研究[J].科技創新與應用.2017（12）.

[7]段繼鋒.電子商務領域中計算機數據挖掘技術的應用研究[J].通訊世界.2017（04）.